基于先验三维模型的车辆监控关键算法研究

本课题拟将三维车辆模型应用于车辆监控系统中，在已知车辆三维模型的前提下对车辆监控的多个问题进行创新性研究。研究利用单个监控相机的车辆特征提取算法以及三维重建问题,重点分析三维车辆模型与二维车辆图像之间的投影模型,解决超分辨率技术中的图像退化模型估计和像素配准问题，突破了现有的仅局限于二维平面的图像退化模型,从而为车辆监控系统中的多个技术提供新的思路。在研究交通监控系统的基础上，首先根据车辆目标的多帧图像，重建其初始三维模型，而车辆的精确三维模型将通过基于车辆部件的方向性加权分类算法从三维车辆模型库中取得。之后，我们将使用联合域的自适应算法和三维差时投影法来估计图像退化模型并实现像素配准，并使用经典的迭代反向投影法重建高分辨率车辆图像。本课题将在二维图像特征提取、三维车辆分类、车辆超分辨率重建、图像退化模型估计与图像配准等方面做出创新性工作，对于高精度的车辆监控系统具有较大意义。

本课题旨在将三维信息与超分辨率重建相结合，将三维模型应用于车辆的超分辨率重建中，以增强车辆监控图像的分辨率。项目计划利用单个监控相机的车辆特征提取算法以及三维重建问题,重点分析三维车辆模型与二维车辆图像之间的投影模型,解决超分辨率技术中的图像退化模型估计和像素配准问题，突破了现有的仅局限于二维平面的图像退化模型,从而为车辆监控系统中的多个技术提供新的思路。在过去的四年中，项目组依据项目申请书中拟定内容，在平坦区域车辆三维重建、模糊图像配准、超分辨率重建等方面开展了细致的研究工作，并且取得了一定的研究成果。先后提出了基本马尔科夫场的三维重建优化模型、基于HOG特征的车辆识别算法、基于demons的双向力变形图像配准算法、基于TV正则化的车牌图像超分辨率重建算法。这些算法均有效的解决了监控环境下车辆图像超分辨率重建中所存在的一些问题。项目组先后发表SCI检索论文2篇、EI检索论文3篇，申请发明专利1项，培养硕士研究生12名，参与举办国际会议1次，项目组成员前往国外大学学术交流1次，邀请国内外专家举办相关学术报告3场。